Prévision à court terme par SVM : méthodologie et application au trafic routier
EL-FAOUZI
Type de document
COMMUNICATION ORALE SANS ACTES (COM)
Langue
francais
Auteur
EL-FAOUZI
Résumé / Abstract
Les méthodes à noyau connaissent aujourd?hui un regain d?intérêt sous l?impulsion de la communauté d?apprentissage statistique. Inspirée par la théorie statistique de l?apprentissage, l?approche dite Support Vector Machine (SVM), initialement proposée par Vapnik, connaît des développements importants et a été appliquée avec succès dans divers domaines aussi variés que la reconnaissances des formes, la classification, la détection. Dans cette communication, nous proposons une méthode de prévision du trafic basée sur l?approche SVM et plus particulièrement sur l?emploi de sa version pour la régression (SVR). Nous comparons ensuite les résultats de cette méthode aux principales approches classiquement utilisées dans le domaine sur la base de données opérationnelles sur une section d?autoroute. Référence : NE EL FAOUZI, (2005) Kernel traffic forecasting approaches: Kernel and SVM comparison. Technical Report, LICIT, INRETS-ENTPE, 2005.
